随着现代工业科技的发展与创新,大型复杂设备的使用也日益增多。与此同时,为了满足其高可靠性和高效性等方面的要求,复杂系统常常会采用冗余技术,这在提高系统性能的同时,也给系统故障诊断带来了新的挑战。针对大型复杂系统的故障特性,考虑在构建故障模型方法、处理认知不确定性问题、故障诊断决策算法、诊断传感器信息融合等问题下,建立不确定性下基于多源异构信息的复杂系统故障诊断策略,以便能快速准确定位故障从而降低诊断成本,同时丰富和完善在认知不确定性下复杂系统故障诊断理论与方法。首先,针对复杂系统中存在的故障特性,论文利用动态故障树对复杂系统进行建模,采用区间数来描述系统部件故障率;对于传统方法无法分析动态故障树部件故障率为区间数和共因失效问题,论文将动态故障树转化为动态证据网络进行定量分析,计算系统可靠性参数,即诊断重要度和Birnbaum重要度。同时,论文综合利用语言集、直觉模糊集、专家评估和D-S证据理论来获取部件直觉模糊数型的测试代价,并基于诊断重要度、Birnbaum重要度和测试代价构建多源异构故障诊断决策表。其次,针对多源异构信息的故障诊断决策算法问题,论文主要解决了以下三个关键问题,即多源异构数据的归一化、属性权重的确定及诊断决策算法。对于异构数据间不同量纲的问题,论文提出了一种新的归一化方法,引入了采用模糊层次分析法和熵权法结合计算属性权重的方法,以更准确的获得每个属性的权重,同时,提出了改进的VIKOR算法得到了最佳故障诊断序列,并通过一个实例与一些现有方法进行了分析比较,证明了本文所提方法的实用性和有效性。最后,针对传感器信息融合问题,论文提出了面向动态证据网络的传感器建模方法,以达到对系统故障信息动态更新、优化系统故障模型、提高诊断效率的目的。针对传感器数量和类型一定的情况,论文提出了采用系统部件诊断重要度作为衡量标准的方法,以确定系统传感器的最优布局方案。在此基础上,论文考虑了传感器信息的可信性问题,同时,融合了传感器信息和当前诊断结果对系统可靠性参数进行动态更新,并通过故障诊断决策算法得到了更新后的最优故障诊断序列。最后,论文以翻车机液压调高系统为例,当该系统发生故障时,利用本文所提方法求得了系统最优故障诊断序列,提高了系统故障诊断效率。